随着Web信息的迅速扩张,Web成为当今信息获取和发布的事实标准。为此人们对信息抽取(IE)系统进行大量研究,以帮助用户在浩瀚如烟的Web上准确有效地提取自己真正需要的信息。如今已出现大量的信息抽取系统,如W4F、RoadRunner、WHISK、RAPIER、WIEN等。它们在使用技术、自动化程度、适用领域等方面都存在一定的差异性。IE系统中最重要的是抽取规则,它用来定位和识别待抽取的信息。WHISK系统是一个半自动的IE系统,对结构化、半结构化的Web文本它都能使用生成的抽取规则进行信息抽取。但是它在规则学习过程中规则不能保证以最优的方式进行扩展,且生成规则集的效率较低。针对以上问题,本文提出了利用遗传算法改进WHISK的监督式学习算法,并采用移除法生成规则集。算法主要实现以下功能:一、例子的预处理,包括例子去噪和例子标注;二、项的定义和转化;三、用遗传算法扩展规则;四、用移除法生成规则集。我们还实现了一个用于在线挖掘网站的Web信息抽取系统,应用检索规则探查不同网站,使用抽取规则抽取浅层知识,再进行统计分析发现变化趋势。系统主要提供以下功能:1、根据检索规则自动下载并解析网页;2、在用户的参与下,提供图形用户界面定义单槽抽取规则或通过学习算法生成多槽抽取规则;3、实现批量任务的自动抽取并存储数据;4、对抽取的历史数据,提供直观的图形显示统计结果。通过对多种类型的真实在线的网页进行实验分析,表明IE系统有较好的通用性;通过与WHISK系统的实验结果进行比较分析,表明利用遗传算法的规则学习算法在效率和准确率上都有一定的提高。